Chaque radiateur équipé est photographié lors de l’installation. Ce parc de plusieurs millions d’images contient des informations précieuses encore sous-exploitées : typologie des radiateurs, configuration du logement, contexte de pose…

L’objectif du stage est de concevoir et tester des approches de Computer Vision permettant d’extraire automatiquement ces caractéristiques afin d’améliorer le pilotage énergétique et la connaissance du parc installé.

Computer Vision - Machine Learning - Traitement d’images - Python - IA - IoT

Vos missions

Compréhension de la donnée et des enjeux opérationnels

• Appropriation de l’écosystème Data Voltalis et de la chaîne d’acquisition d’images

• Identification des besoins métier en lien avec les équipes opérationnelles

Revue des méthodes de traitement d’images

• Revue de la littérature sur les différentes approches possibles : CNN, OCR, segmentation …

• Évaluation de leur pertinence vis-à-vis des contraintes terrain

Développement et évaluation de modèles de Computer Vision

• Création ou enrichissement d’une base d’apprentissage annotée

• Implémentation de modèles répondant aux cas d’usage ciblés

• Mesure des performances sur des volumes massifs d’images

Industrialisation si applicable

• Prototype de mise à disposition des résultats dans les outils internes

• Collaboration avec les Data Engineers pour intégration future

Stack technique

Python – BigQuery- dbt- Vertex AI

Ce que ce stage vous apportera

• Mise en pratique du Machine Learning sur plus d’un million d’images réelles

• Expérience complète : recherche appliquée → prototypage → pré-industrialisation

• Interaction directe avec des experts Data et opérationnels

• Étudiant en école d’ingénieur / M1 / M2 Data Science, Intelligence Artificielle ou équivalent

• Compétences solides en Machine Learning (compétences en computer vision appréciées)

• Maîtrise de Python (TensorFlow / PyTorch apprécié)

• Goût pour les problématiques à grande échelle et les sujets énergie

• Capacité d’analyse, rigueur et autonomie

• Une première visio exploratoire rapide avec un membre de l’équipe RH

• Un ou deux entretiens avec l’équipe Data